Kan AI afgøre hvilke smage der fungerer bedst i et bestemt land eller etnicitet ?

Dette spørgsmål stiller, hvordan man identificerer hvilke smagskombinationer der er mest foretrukne eller kulturelt typiske i et givet land eller etnisk køkken. Det fremhæver, at der findes data-drevne metoder til at analysere opskriftstrends, men at de giver estimater snarere end absolutte sandheder om, hvad der muligvis er universelt 'bedst' for en befolknings smagsløg.

Background

Nuværende AI-drevne fødevaresystemer analyserer store datasæt med opskrifter, ingredienssammensætninger og kogebøger for at udlede regionale smagstrends inden for specifikke lande eller etniske køkkener. Disse systemer anvender typisk co-occurrence-statistikker og fødevaresammensætnings-teori (såsom princippet om, at ingredienser, der deler flygtige forbindelser, parrer sig godt) til at generere sandsynlige kombinationer. Dog kan sådanne modeller ikke fastslå definitive 'bedste' kombinationer, da smag præferencer formes af individuel smag, kulturelle kontekster og subjektive vurderinger. Derudover mangler disse metoder direkte forbrugerundersøgelser eller sensorisk evaluering til at validere accept på befolkningsniveau. I stedet er deres output sandsynlighedsbaserede tilnærmelser af almindelige eller kulturelt accepterede sammensætningsmønstre. For eksempel kan en sådan model fremhæve tomat-basilikum eller soja-ingefær som typiske i henholdsvis italiensk eller østasiatisk madlavning, men kan ikke bekræfte, at disse er optimale for alle individer. Kilder som MIT Technology Review understreger begrænsningerne ved disse tilgange i at levere befolkningsomfattende kulinariske domme.